Main Content

Simulink を使用した深層学習

Simulink を使用した深層学習のワークフローの拡張

Deep Learning Toolbox™ に含まれる Deep Neural Networks、Python Neural Networks、および Deep Learning Layers の各ブロック ライブラリのブロックを使用するか、Computer Vision Toolbox™ に含まれる Analysis & Enhancement ブロック ライブラリの Deep Learning Object Detector ブロックを使用して、Simulink® モデルの深層学習機能を実装します。

Deep Learning Layers ブロック ライブラリを使用してネットワークを表す Simulink モデルを生成するには、exportNetworkToSimulink 関数を使用します。

Simulink の一部の深層学習機能では、サポートされているコンパイラを必要とする MATLAB Function ブロックを使用しています。ほとんどのプラットフォームでは、既定の C コンパイラが MATLAB® インストールで提供されます。C++ 言語を使用する場合は、互換性のある C++ コンパイラをインストールしなければなりません。サポートされているコンパイラのリストを確認するには、Supported and Compatible Compilers を開き、オペレーティング システムに対応するタブをクリックして、Simulink Product Family テーブルを見つけ、For Model Referencing, Accelerator mode, Rapid Accelerator mode, and MATLAB Function blocks 列に移動します。システムに複数の MATLAB 対応コンパイラがインストールされている場合は、mex -setup コマンドを使用して既定のコンパイラを変更できます。既定のコンパイラの変更を参照してください。

関数

exportNetworkToSimulinkGenerate Simulink model that contains deep learning layer blocks that correspond to deep learning layer objects (R2024b 以降)

ブロック

すべて展開する

Image Classifier学習済み深層学習ニューラル ネットワークを使用したデータの分類 (R2020b 以降)
Predict学習済み深層学習ニューラル ネットワークを使用した応答の予測 (R2020b 以降)
Stateful Classify学習済み深層学習再帰型ニューラル ネットワークを使用したデータの分類 (R2021a 以降)
Stateful Predict学習済み再帰型ニューラル ネットワークを使用した応答の予測 (R2021a 以降)
Deep Learning Object Detector学習済み深層学習オブジェクト検出器を使用したオブジェクトの検出 (R2021b 以降)
TensorFlow Model PredictPredict responses using pretrained Python TensorFlow model (R2024a 以降)
PyTorch Model PredictPredict responses using pretrained Python PyTorch model (R2024a 以降)
ONNX Model PredictPredict responses using pretrained Python ONNX model (R2024a 以降)
Custom Python Model PredictPredict responses using pretrained custom Python model (R2024a 以降)
Clipped ReLU LayerClipped Rectified Linear Unit (ReLU) layer (R2024b 以降)
GELU LayerGaussian error linear unit (GELU) layer (R2024b 以降)
Leaky ReLU LayerLeaky rectified linear unit (ReLU) layer (R2024b 以降)
ReLU LayerRectified linear unit (ReLU) layer (R2024b 以降)
Sigmoid LayerSigmoid layer (R2024b 以降)
Softmax LayerSoftmax layer (R2024b 以降)
Tanh LayerHyperbolic tangent (tanh) layer (R2024a 以降)
Addition LayerAddition layer (R2024b 以降)
Concatenation LayerConcatenation layer (R2024b 以降)
Depth Concatenation LayerDepth concatenation layer (R2024b 以降)
Multiplication LayerMultiplication layer (R2024b 以降)
Convolution 1D Layer1-D convolutional layer (R2024b 以降)
Convolution 2D Layer2-D convolutional layer (R2024b 以降)
Convolution 3D Layer3-D convolutional layer (R2024b 以降)
Fully Connected LayerFully connected layer (R2024b 以降)
Rescale-Symmetric 1D1-D input layer with rescale-symmetric normalization (R2024b 以降)
Rescale-Symmetric 2D2-D input layer with rescale-symmetric normalization (R2024b 以降)
Rescale-Symmetric 3D3-D input layer with rescale-symmetric normalization (R2024b 以降)
Rescale-Zero-One 1D1-D input layer with rescale-zero-one normalization (R2024b 以降)
Rescale-Zero-One 2D2-D input layer with rescale-zero-one normalization (R2024b 以降)
Rescale-Zero-One 3D3-D input layer with rescale-zero-one normalization (R2024b 以降)
Zerocenter 1D1-D input layer with zerocenter normalization (R2024b 以降)
Zerocenter 2D2-D input layer with zerocenter normalization (R2024b 以降)
Zerocenter 3D3-D input layer with zerocenter normalization (R2024b 以降)
Zscore 1D1-D input layer with zscore normalization (R2024b 以降)
Zscore 2D2-D input layer with zscore normalization (R2024b 以降)
Zscore 3D3-D input layer with zscore normalization (R2024b 以降)
Batch Normalization LayerBatch normalization layer (R2024b 以降)
Layer Normalization LayerLayer normalization layer (R2024b 以降)
Average Pooling 1D Layer1-D average pooling layer (R2024b 以降)
Average Pooling 2D Layer2-D average pooling layer (R2024b 以降)
Average Pooling 3D Layer3-D average pooling layer (R2024b 以降)
Global Average Pooling 1D Layer1-D global average pooling layer (R2024b 以降)
Global Average Pooling 2D Layer2-D global average pooling layer (R2024b 以降)
Global Average Pooling 3D Layer3-D global average pooling layer (R2024b 以降)
Global Max Pooling 1D Layer1-D global max pooling layer (R2024b 以降)
Global Max Pooling 2D Layer2-D global max pooling layer (R2024b 以降)
Global Max Pooling 3D Layer3-D global max pooling layer (R2024b 以降)
Max Pooling 1D Layer1-D max pooling layer (R2024b 以降)
Max Pooling 2D Layer2-D max pooling layer (R2024b 以降)
Max Pooling 3D Layer3-D max pooling layer (R2024b 以降)
Flatten LayerFlatten layer (R2024b 以降)
LSTM LayerLong short-term memory (LSTM) layer for recurrent neural network (RNN) (R2024b 以降)
LSTM Projected LayerLong short-term memory (LSTM) projected layer for recurrent neural network (RNN) (R2024b 以降)
Dropout LayerDropout layer (R2024b 以降)

トピック

深層学習層ブロック

  • List of Deep Learning Layer Blocks
    Discover all the deep learning layer blocks in Simulink.
  • Implement Unsupported Deep Learning Layer Blocks
    The exportNetworkToSimulink function converts deep learning layer objects in a dlnetwork object to deep learning layer blocks in a Simulink model. For layer objects that do not have corresponding layer blocks, the function generates placeholder subsystems that contain a Stop Simulation block. This example shows how to manually edit the model to remove the Stop Simulation blocks and recreate the functionality of the input network.

イメージ

シーケンス

強化学習

Python の共同実行

コード生成

注目の例